[发明专利]目标图像识别方法、模型训练方法、装置、设备和介质

说明书

本公开的实施例公开了目标图像识别方法、模型训练方法、装置、设备和介质。该方法的一具体实施方式包括：对于图像组中的每个图像，将该图像输入至预先训练的图像特征提取模型以生成该图像对应的图像特征，得到图像特征组；将上述图像特征组中每个图像特征与预设的图像特征进行对比以生成对比结果，得到对比结果集合；响应于确定上述对比结果集合中的对比结果满足第一预定条件，将所满足第一预定条件的对比结果对应的图像确定为目标图像。该实施方式可以在一定程度上提高图像的特征提取的准确度。

技术领域

本公开的实施例涉及图像识别技术领域，具体涉及目标图像识别方法、装置、电子设备和计算机可读介质。

背景技术

目标图像识别，是指对目标图像进行特征判别的一项技术。目前，常用的目标图像(例如，商标图像)识别方法主要是基于深度学习的目标图像识别方法。此种算法提取的图像特征对于正向视角的图像有较好的判别能力。

然而，当采用上述方式对目标图像进行识别操作时，经常会存在如下技术问题：

在遇到多角度、多形态、背景多样化和颜色复杂化的目标图像时，目标图像识别的结果的准确度会存在明显的下降。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了特征图像识别方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种目标图像识别方法，该方法包括：对于图像组中的每个图像，将该图像输入至预先训练的图像特征提取模型以生成该图像对应的图像特征，得到图像特征组，其中，上述预先训练的图像特征提取模型包括：第一损失函数和第二损失函数，上述第一损失函数用于对不同角度和形态的图像进行修正，上述第二损失函数用于对不同背景和颜色的图像进行修正；将上述图像特征组中每个图像特征与预设的图像特征进行对比以生成对比结果，得到对比结果集合；响应于确定上述对比结果集合中的对比结果满足第一预定条件，将所满足第一预定条件的对比结果对应的图像确定为目标图像。

第二方面，本公开的一些实施例提供了一种图像特征提取模型训练方法，该方法包括：基于训练样本集和预设的第一损失函数，对初始图像特征提取模型进行训练，得到训练后的图像特征提取模型，作为第一图像特征提取模型，其中，上述第一损失函数用于对不同角度和形态的图像进行修正；将预设的第二损失函数添加至上述第一图像特征提取模型中，得到添加后的图像特征提取模型，作为第二图像特征提取模型，其中，上述第二损失函数用于对不同背景和颜色的图像进行修正；利用上述训练样本集，对上述第二图像特征提取模型进行模型调整，得到调整后的图像特征提取模型，作为第三图像特征提取模型；对上述第三图像特征提取模型进行网络结构提取，得到图像特征提取模型，其中，上述图像特征提取模型用于对图像进行特征提取。

第三方面，本公开的一些实施例提供了一种目标图像识别装置，该装置包括：特征提取单元，被配置成对于图像组中的每个图像，将该图像输入至预先训练的图像特征提取模型以生成该图像对应的图像特征，得到图像特征组，其中，上述预先训练的图像特征提取模型包括：第一损失函数和第二损失函数，上述第一损失函数用于对不同角度和形态的图像进行修正，上述第二损失函数用于对不同背景和颜色的图像进行修正；对比单元，被配置成将上述图像特征组中每个图像特征与预设的图像特征进行对比以生成对比结果，得到对比结果集合；确定单元，被配置成响应于确定上述对比结果集合中的对比结果满足第一预定条件，将所满足第一预定条件的对比结果对应的图像确定为目标图像。